استارتاپ Moffett AI برای ارتقای تراشههای هوش مصنوعی، نزدیک به یک میلیارد یوان سرمایه جدید جذب کرد
استارتاپ Moffett AI در جدیدترین دور جذب سرمایه خود، نزدیک به یک میلیارد یوان منابع مالی تازه به دست آورد. این شرکت که در زمینه توسعه تراشههای شتابدهنده استنتاج هوش مصنوعی فعالیت میکند، قصد دارد این سرمایه را صرف ارتقای فناوری رایانش تنک و عرضه نسل بعدی شتابدهندههای خود کند.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- استارتاپ چینی Moffett AI در دور تامین مالی سری C پلاس موفق به جذب نزدیک به یک میلیارد یوان سرمایه جدید شد.
- سرمایه جذبشده برای توسعه تراشههای نسل بعد و ارتقای فناوری رایانش تنک به کار میرود تا محاسبات مدلهای هوش مصنوعی با بهرهوری بالاتری اجرا شوند.
- این شرکت تاکنون خوشههای پردازش استنتاجی خود را در چهار منطقه چین مستقر کرده است و کارت شتابدهنده SP200 را تا پایان سال جاری میلادی عرضه میکند.
استارتاپ Moffett AI، سازنده تراشههای استنتاج هوش مصنوعی مستقر در شنژن، اعلام کرد که دور تامین مالی سری C+ خود را با رقمی نزدیک به یک میلیارد یوان تکمیل کرده است. این تامین مالی در ادامه جذب سرمایه پیشین این شرکت صورت میگیرد که حدود پنج ماه قبل با رقمی مشابه، نزدیک به یک میلیارد یوان، انجام شده بود.
سرمایه جذبشده قرار است صرف ارتقای تراشههای استنتاج مبتنی بر «رایانش تنک» (Sparse Computing)، پژوهش در زمینه پردازندههای نسل آینده و گسترش همکاری با نهادهای تحقیقاتی و شرکای صنعتی شود. فناوری رایانش تنک با بهرهگیری از خاصیت تنکبودن دادهها و عملیات ریاضی، حجم محاسبات مورد نیاز برای اجرای مدلهای هوش مصنوعی را بهشکل چشمگیری کاهش میدهد.
مدیران استارتاپ Moffett AI اعلام کردهاند که تاکنون خوشههای پردازش استنتاجی خود را در چهار منطقه چین مستقر ساخته و با اپراتورهای مخابراتی این کشور همکاری را آغاز کردهاند. همچنین بر اساس گزارش PE Daily، کارت شتابدهنده نسل جدید این استارتاپ با نام SP200 تا پیش از پایان سال جاری میلادی روانه بازار خواهد شد.
مطالب مرتبط و پیشنهادی

گارتنر: مدلهای وزنباز ۹۰ درصد وظایف عاملهای هوشمند را با یکبیستم هزینه انجام میدهند
گزارش جدید موسسه گارتنر نشان میدهد مدلهای وزنباز قادرند بخش عمده وظایف روزمره در عاملهای هوش مصنوعی را با کسری از هزینه مدلهای تجاری پیشرو اجرا کنند. تحلیلگران پیشبینی میکنند تا سال ۲۰۳۰ بیش از ۹۰ درصد مراحل عملیاتی سازمانها به این مدلها واگذار شود و ارزش اصلی بازار به بسترهای مدیریت و هماهنگسازی عاملها منتقل گردد.

بنچمارک MER-Bench ضعف مدلهای هوش مصنوعی را در ویرایش دقیق میمها آشکار کرد
میمهای اینترنتی بهدلیل پیوند ناگسستنی میان متن و تصویر، به چالشی بزرگ برای ابزارهای ویرایش چندوجهی هوش مصنوعی تبدیل شدهاند. بنچمارک جدید MER-Bench نشان میدهد که مدلهای تصویری هنوز نمیتوانند بار احساسی یک میم را بدون برهم زدن ساختار تصویر، چیدمان صحنه یا اصل شوخی تغییر دهند.

OpenAI پاداش کشف باگ را برای شناسایی آسیبپذیریهای امنیتی به ۱۷۲ هزار دلار رساند
شرکت OpenAI با راهاندازی یک برنامه فشرده امنیتی و همکاری با استارتاپ Cathedral Systems، سقف پاداش کشف باگ را برای آسیبپذیریهای حیاتی به ۱۷۲ هزار دلار افزایش داد. این برنامه با بهرهگیری از مدلهای پیشرفته هوش مصنوعی تلاش میکند رخنههای امنیتی و خطرات ناشی از سوءاستفاده عوامل خودکار را پیش از مهاجمان شناسایی کند.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.